Тест, если распределение данных следует за Распределением Гаусса в MATLAB
Мы только что недавно начали использовать Мерзавца (используемая Подрывная деятельность ранее), и я нашел изменение в рабочем процессе, который мог бы помочь с Вашей проблемой без потребности в блокировках. Это использует в своих интересах, как мерзавец разработан и как легкие ответвления.
В основном, это сводится к продвижению к неосновному ответвлению, выполнению обзора того ответвления и затем слияния в основное ответвление (или какой бы ни целевое ответвление).
способ, которым мерзавец "предназначается", чтобы использоваться, каждый разработчик, публикует их собственный общедоступный репозиторий, от которого они запрашивают других вытянуть. Я нашел, что пользователи Подрывной деятельности испытывают затруднения из-за этого. Так, вместо этого, мы продвигаем для ветвления деревьев в центральном репозитории с каждым пользователем, имеющим их собственный отросток дерева. Например, иерархия как это могла бы работать:
users/a/feature1
users/a/feature2
users/b/feature3
teams/d/featurey
Не стесняются использовать Вашу собственную структуру. Обратите внимание, что я также показываю ответвления темы, другую общую идиому мерзавца.
Тогда в локальном repo для пользователя a:
feature1
feature2
И получить его к центральному серверу (источник):
git push origin feature1:users/a/feature1
(это может, вероятно, быть упрощено с изменениями конфигурации)
Так или иначе, как только feature1 рассматривается, кто бы ни ответственен (в нашем случае, это - разработчик функции, у Вас мог быть отдельный пользователь, ответственный за слияния ведущему устройству), делает следующее:
git checkout master
git pull
git merge users/name/feature1
git push
получение по запросу делает выборку (получение по запросу любых новых основных изменений и ответвление функции) и ведущее устройство обновлений к тому, что имеет центральный репозиторий. Если пользователь их задания и прослеженного ведущего устройства правильно, не должно быть никаких проблем со слиянием.
Все это означает, что, даже если пользователь или удаленная команда вносят изменение в двоичный ресурс, она рассматривается, прежде чем она будет включена в основное ответвление. И существует четкое формирование рисунка (на основе процесса) относительно того, когда что-то входит в основное ответвление.
можно также программно осуществить аспекты этого мерзавца использования рычаги, но снова, я еще не работал с ними, так не может говорить о них.
3 ответа
Проверьте эту страницу документации со всеми доступными тестами гипотез .
Из них для ваших целей вы можете использовать:
... среди прочего
Вы также можете использовать некоторые визуальные тесты, например:
Мне нравится тест Шпигельхальтера (DJ Spiegelhalter, «Диагностические тесты формы распределения, 'Biometrika, 1983):
function pval = spiegel_test(x)
% compute pvalue under null of x normally distributed;
% x should be a vector;
xm = mean(x);
xs = std(x);
xz = (x - xm) ./ xs;
xz2 = xz.^2;
N = sum(xz2 .* log(xz2));
n = numel(x);
ts = (N - 0.73 * n) / (0.8969 * sqrt(n)); %under the null, ts ~ N(0,1)
pval = 1 - abs(erf(ts / sqrt(2))); %2-sided test.
всякий раз, взламывая статистические тесты, всегда проверяйте их с нулевым значением! вот простой пример:
pvals = nan(10000,1);
for j=1:numel(pvals);
pvals(j) = spiegel_test(randn(300,1));
end
nnz(pvals < 0.05) ./ numel(pvals)
Я получаю результаты:
ans =
0.0505
Аналогично
nnz(pvals > 0.95) ./ numel(pvals)
я получаю
ans =
0.0475
Для общего тестирования поищите тест Колмогорова-Смирнова, также в Stats Toolbox, как kstest и двухвыборочную версию: kstest2 . Вы скармливаете ему свои эмпирические данные (и данные из возможной функции, например, гауссова и т. Д.), Затем он проверяет вероятность того, что ваша выборка была извлечена из нормального распределения (или того, который вы предоставили для двухвыборочного версия) ... Интересно то, что он будет работать для любых возможных дистрибутивов ...